Hệ thống hiện tại là bản nhận dạng một ký tự, trong tương lai em hi vọng có thể phát triển hệ thống nhận dạng được nhiều ký tự một lúc, trên nhiều hàng, nhiều dòng. Ngoài ra, hướng phát triển lâu dài mang tính tương lai là nhận dạng được chữ viết tay tiếng việt và trả về kết quả là giọng nói, từ đó có thể làm thành phần mềm hỗ trợ nghe đọc cho người mù.
KẾT LUẬN CHUNG
Trong thời gian vừa qua, như đã trình bày ở trên đây nội dung nghiên cứu đề tài của em được gồm các phần chính sau:
Tìm hiểu mạng neural nhân tạo.
Tìm hiểu bài toán nhận dạng
Tìm hiểu một số kỹ thuật gán nhãn
Phân tích cụ thể bài toán nhận dạng.
Thiết kế mạng và huấn luyện mạng neural cho bài toán “nhận dạng kí tự Các hạn chế
Do có những hạn chế nhất định về mặt thời gian và kiến thức của bản thân, luận văn mới chỉ dừng lại ở mức thử nghiệm của hệ thống trên một ảnh với số lượng ảnh và thông tin trên ảnh khá khiêm tốn cho việc xác nhận ký tự.
Hướng phát triển tiếp
Trong thời gian tới, em sẽ tiến hành thử nghiệm hệ thống với tập dữ liệu chữ viết tay và quả đầy đủ hơn. Đồng thời, tăng số lượng ảnh và chi tiết trong ảnh nhiều lên cần nhận dạng để xây dựng môt hệ thống hoàn chỉnh.
Nhận dạng ảnh và gán nhãn là một phần rất quan trọng của lĩnh vực nhận dạng nói riêng và xử lý ảnh nói chung. Cùng với việc sử dụng công cụ là mạng neural là một lĩnh vực đã được sử dụng nhiều nhưng vẫn cần được phát triển hơn.
Em xin chân thành cảm ơn các thầy, cô của Viện công nghệ thông tin, Đại học công nghệ - Đại học quốc gia Hà Nội đã tận tình dạy dỗ, truyền đạt cho chúng em nhiều kiến thức quý báu.
Em xin tỏ lòng biết ơn sâu sắc đến thầy Đỗ Năng Toàn, người đã tận tình giúp đỡ và truyền đạt nhiều kinh nghiệm để đề tài có thể được thực hiện và hoàn thành luận văn này.
DANH MỤC TÀI LIỆU THAM KHẢO Tiếng việt
[1] Đỗ Năng Toàn (2010), iáo tr nh xử lý ảnh, Học viện Công nghệ Bưu chính Viễn thông.
Tiếng Anh
[2] D. Heckenberg, B. C. Lovell (2000), “A Gesture Driven Computer Interface”, Proceeding of Visual Communications and Image Processing, SPIE, 4067, 261-268.
[3] Journal on Graphics (2006), Vision and Image Processing, 6.
[4] J. Mathews (2002), “An Introduction to Edge Detection: The Sobel Edge Detector”.
[5] Peter l. Rockett (2005), “An Improved Rotation-Invarient Thinning Algorithm”, IEEE transaction on Pattern, Analysis and Machine Intelligence, 27, 10.
[6] Te-Hsiu Sun, Fang-Chih Tien (2008), Using Backpropagation Neural Network for Face Recognition with 2D+ 3D Hybrid Information, Elsevier: Expert System with Applications, 35,361-372.
[7] N. Sakai, S. Yonekawa and A. Matsuzaki, Two-dimensional image analysis of the shape of rice and its applications to separating varieties”, Journal of Food Engineering, vol 27, 1996, pp. 397-407.
[8] A. J. M. Timmermans, and A. A. Hulzebosch, Computer vison system for on-line sorting of pot plants using an artificial neural network classifier, Computers and Electronics in Agriculture, vol. 15, 1996, pp. 41-55.
[9] S. Abbasi, F. Mokhtarian, and J. Kittler, Reliable classification of chrysanthemum leaves through curvature scale space, Lecture Notes in Computer Science, vol. 1252, 1997, pp. 284-295.
57
[10] J. Camarero, S. Siso, and E.G-Pelegrin, Fractal dimension does not adequately describe the complexity of leaf margin in seedlings of Quercus species, Anales del Jardín Botánico de Madrid, vol. 60, no. 1, 2003, pp. 63-71.
[11] C-L Lee, and S-Y Chen, Classification of leaf images, 16th IPPR Conference on Computer Vision, Graphics and Image Processing (CVGIP), 2003, pp. 355-362.
[12] S. G. Wu, F. S. Bao, E. Y. Xu, Y-X Wang, Y-F Chang, and Q-L Xiang, A leaf recognition algorithm for plant classification using probabilistic neural network, The Computing Research Repository (CoRR), vol.1, 2007, pp. 11-16.
[13] J. Pan and Y. He, Recognition of plants by leaves digital image and neural network, International Conference on Computer Science and Software Engineering, vol 4, 2008, pp. 906 – 910.
Các trang web tham khảo
[14] http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.htm l#A%20simple%20neuron
[15] http://andrewback.com/ivs.php